論文の概要: Comparison of modern open-source visual SLAM approaches
- arxiv url: http://arxiv.org/abs/2108.01654v1
- Date: Tue, 3 Aug 2021 17:52:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-04 13:52:37.865807
- Title: Comparison of modern open-source visual SLAM approaches
- Title(参考訳): 現代のオープンソースのビジュアルSLAM手法の比較
- Authors: Dinar Sharafutdinov, Mark Griguletskii, Pavel Kopanev, Mikhail
Kurenkov, Gonzalo Ferrer, Aleksey Burkov, Aleksei Gonnochenko, Dzmitry
Tsetserukou
- Abstract要約: 我々は,オープンソース手法の現状を比較分析する。
精度,計算性能,堅牢性,耐故障性に基づくアルゴリズムの評価を行った。
この研究の結果は、SLAM研究者にいくつかの重要な疑問を提起している。
- 参考スコア(独自算出の注目度): 5.012544914943915
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: SLAM is one of the most fundamental areas of research in robotics and
computer vision. State of the art solutions has advanced significantly in terms
of accuracy and stability. Unfortunately, not all the approaches are available
as open-source solutions and free to use. The results of some of them are
difficult to reproduce, and there is a lack of comparison on common datasets.
In our work, we make a comparative analysis of state of the art open-source
methods. We assess the algorithms based on accuracy, computational performance,
robustness, and fault tolerance. Moreover, we present a comparison of datasets
as well as an analysis of algorithms from a practical point of view. The
findings of the work raise several crucial questions for SLAM researchers.
- Abstract(参考訳): SLAMはロボット工学とコンピュータビジョンにおける最も基本的な研究分野の1つである。
最先端のソリューションは精度と安定性の観点から大きく進歩している。
残念ながら、すべてのアプローチがオープンソースソリューションとして利用でき、無料で利用できるわけではない。
それらのいくつかの結果は再現が困難であり、共通のデータセットの比較が欠如している。
本研究では,最先端のオープンソース手法の比較分析を行う。
精度,計算性能,堅牢性,耐故障性に基づくアルゴリズムの評価を行った。
さらに,実践的な観点から,データセットの比較,およびアルゴリズムの分析について述べる。
この研究の結果は、SLAM研究者にいくつかの重要な疑問を提起している。
関連論文リスト
- Multivariate Time Series Anomaly Detection: Fancy Algorithms and Flawed
Evaluation Methodology [2.043517674271996]
本稿では、MVTS異常検出の文脈において、正常によいプロトコルが弱点を持つ可能性について論じる。
本稿では,PCA(Principal Components Analysis)に基づくシンプルな,かつ難しいベースラインを提案する。このベースラインは,最近のDeep Learning(DL)ベースのアプローチにおいて,一般的なベンチマークデータセットよりも驚くほど優れています。
論文 参考訳(メタデータ) (2023-08-24T20:24:12Z) - GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。
外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
論文 参考訳(メタデータ) (2023-02-16T16:45:36Z) - IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing [88.35145788575348]
画像異常検出(英: Image Anomaly Detection、IAD)は、産業用コンピュータビジョンの課題である。
統一IMベンチマークの欠如は、現実世界のアプリケーションにおけるIADメソッドの開発と利用を妨げる。
7つの主要なデータセットに19のアルゴリズムを含む包括的画像異常検出ベンチマーク(IM-IAD)を構築した。
論文 参考訳(メタデータ) (2023-01-31T01:24:45Z) - A Comparative Study of Graph Matching Algorithms in Computer Vision [42.041759337188914]
本稿では,グラフマッチングアルゴリズムの比較研究について述べる。
我々は,既存のコンピュータビジョングラフマッチング問題の多くを収集し,分類するベンチマークを作成する。
同時に、グラフマッチングアルゴリズムの最も人気のあるオープンソース実装を収集、分類する。
論文 参考訳(メタデータ) (2022-07-01T09:37:34Z) - Benchmarking Node Outlier Detection on Graphs [90.29966986023403]
グラフの外れ値検出は、多くのアプリケーションにおいて、新しいが重要な機械学習タスクである。
UNODと呼ばれるグラフに対して、最初の包括的教師なしノード外乱検出ベンチマークを示す。
論文 参考訳(メタデータ) (2022-06-21T01:46:38Z) - What Makes Good Contrastive Learning on Small-Scale Wearable-based
Tasks? [59.51457877578138]
本研究では,ウェアラブル型行動認識タスクにおけるコントラスト学習について検討する。
本稿では,PyTorchライブラリのtextttCL-HAR について述べる。
論文 参考訳(メタデータ) (2022-02-12T06:10:15Z) - A Field Guide to Federated Optimization [161.3779046812383]
フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。
本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
論文 参考訳(メタデータ) (2021-07-14T18:09:08Z) - BEIR: A Heterogenous Benchmark for Zero-shot Evaluation of Information
Retrieval Models [41.45240621979654]
情報検索のための異種ベンチマークであるBEIRを紹介する。
ゼロショット評価設定における9つの最先端の検索モデルの有効性を検討する。
Dense-Retrievalモデルは計算効率が良いが、他のアプローチでは性能が劣ることが多い。
論文 参考訳(メタデータ) (2021-04-17T23:29:55Z) - Unsupervised Learning for Robust Fitting:A Reinforcement Learning
Approach [25.851792661168698]
堅牢なモデルフィッティングを解決するための新しいフレームワークを紹介します。
他の方法とは異なり、私たちの仕事は基本的な入力機能に無知です。
実験により,本手法が既存の学習手法より優れていることを示す。
論文 参考訳(メタデータ) (2021-03-05T07:14:00Z) - Comparative Analysis of Extreme Verification Latency Learning Algorithms [3.3439097577935213]
本稿では、EVLアルゴリズムのいくつかの弱点と強みを指摘するための総合的な調査と比較分析を行う。
この研究は、この分野の既存のアルゴリズムのレビューを研究コミュニティに提供するための、非常に最初の取り組みである。
論文 参考訳(メタデータ) (2020-11-26T16:34:56Z) - A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。
我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。
我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文 参考訳(メタデータ) (2020-11-17T22:24:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。